Zero Shot Explicit Bi Encoder

🚀 Zero-shot Explicit Bi-Encoder

このモデルは、ゼロショットテキスト分類を行うためのものです。ACL'23 Paperの研究成果に基づいて開発され、特定のデータセットで訓練されています。

🚀 クイックスタート

Zero-shot Explicit Bi-Encoderは、sentence-transformersモデルです。ACL'23 PaperのLabel Agnostic Pre-training for Zero-shot Text Classificationで紹介され、著者はChristopher Clarke, Yuzhao Heng, Yiping Kang, Krisztian Flautner, Lingjia Tang and Jason Marsです。このモデルの訓練と評価のコードはこちらで確認できます。

✨ 主な機能

このモデルはゼロショットテキスト分類に特化しています。アスペクト正規化されたUTCDデータセットを用いて、デュアルエンコーディング分類フレームワークの下で訓練されています。

• ファインチューニング元のモデル: bert-base-uncased

💻 使用例

基本的な使用法

>>> from sentence_transformers import SentenceTransformer, util as sbert_util
>>> model = SentenceTransformer(model_name_or_path='claritylab/zero-shot-explicit-bi-encoder')

>>> text = "I'd like to have this track onto my Classical Relaxations playlist."
>>> labels = [
>>>     'Add To Playlist', 'Book Restaurant', 'Get Weather', 'Play Music', 'Rate Book', 'Search Creative Work',
>>>     'Search Screening Event'
>>> ]

>>> text_embed = model.encode(text)
>>> label_embeds = model.encode(labels)
>>> scores = [sbert_util.cos_sim(text_embed, lb_embed).item() for lb_embed in label_embeds]
>>> print(scores)

[
  0.53502357006073,
  0.051911696791648865,
  0.0546676367521286,
  0.5633962750434875,
  0.28765711188316345,
  0.17751818895339966,
  0.18489906191825867
]

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。